ORB-SLAM2项目实战(3) — ORB-SLAM2稠密地图重建

已于 2024-06-11 16:27:50 修改
阅读量9.5k 收藏 157
点赞数 41
分类专栏： SLAM项目实战 文章标签： slam ORB-SLAM2 c++
于 2023-06-04 10:19:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41921826/article/details/131012815
版权
本文详细介绍了使用ORB-SLAM2进行稠密地图重建的全过程，包括整体思路、功能实现、结果运行及报错分析。通过下载TUM数据集，使用associate.py匹配RGB和Depth，然后在各个线程中插入关键帧并生成点云，最后通过全局BA优化和保存点云地图。在实际运行中遇到了如匹配、闪退、段错误等问题，并逐一提出了解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1 整体思路

2 功能实现

3 结果运行

(1) TUM数据集下载

(2) associate.py用于RGB和Depth匹配

(3) 运行数据集

4 CMakeLists.txt文件修改

5 完整PointCloudMapping.h和PointCloudMapping.cc

6 报错分析

7 思考扩展

8 百度网盘下载链接

文章参考部分开源代码和报错文章

1 整体思路

  • 利用RGB图和Depth图创建稠密点云，在深度值有效的条件下生成点云。
  • 利用跟踪线程的关键帧，利用关键帧生成的点云变换到世界坐标系保存为全局点云地图。
  • 在闭环线程中全局BA后用更新的位姿调整全局点云地图。
  • 在可视化线程显示全局点云地图 。
  • 在主线程中进行全局点云地图的关闭和保存。

2 功能实现

(1) 在PointCloudMapping.cc中创建构造函数，在构造函数中，定义存储稠密点云的mpGlobalCloud，设置滤波参数，创建可视化线程mptViewerThread

    PointCloudMapping::PointCloudMapping()
    {
        std::cout << "Point cloud mapping has structed. " << std::e
了解本专栏 订阅专栏 解锁全文 超级会员免费看
ORB-SLAM2项目实战(2) — 流程与函数功能说明
几度春风里的博客
05-09 1956
ORB-SLAM2的稠密重建实战
ORB-SLAM2项目实战(4) — ROS下运行ORB-SLAM2稠密地图重建
几度春风里的博客
06-16 4070
在./orbslam2_ws下source ./devel/setup.bash，然后运行roslaunch ORB_SLAM2 orbslam2.launch可以得到相同的效果。如果进行了滤波处理，可以修改double resolution = 0.00000001，修改后颜色显示正常，但存在明显的漂移，但效果较以前好很多。在./orbslam2_ws/src/ORB_SLAM2想创建launch文件夹，创建orbslam.launch文件。将ros_rgbd.cc下的话题名称修改。
ORB-SLAM3-ROS版本（带稠密点云地图）
08-04
git clone https://github.com/lturing/ORB_SLAM3_ROS 针对上面的连接下载不下来文件的情况，上传ORB_SLAM3_ROS代码，该代码包括RGBD稠密建图的程序
SLAM-适配Windows平台的ORB-SLAM3-优质项目实战.zip
10-20
SLAM_适配Windows平台的ORB-SLAM3_优质项目实战
ORB-SLAM2源码学习：总结篇(一)
qq_41451702的博客
03-11 927
跟踪线程中的SLAM模式和纯定位模式就是在可视化界面进行修改的。③然后计算图一特征点和在图二找到的最佳匹配点的角度差，通过直方图统计 特征点的角度差值主流的前三个区域（因为所有的特征点的角度变化应该是一致的），其余的匹配认为是误匹配。对pKF和F中的特征点进行快速匹配，不属于同一node的特征点直接跳过匹配（只有属于同一node，才有可能是匹配点）；对当前关键帧和 共视关键帧 中的特征点进行快速匹配，不属于同一node的特征点直接跳过匹配（只有属于同一node，才有可能是匹配点）；
Ubuntu20.04下ORB-SLAM2稠密建图+octomap生成八叉树地图（上）
qq_45509667的博客
05-09 6969
最近用orb-slam2跑了一下自己的数据集，由于是稀疏点云建图，效果并不是很理想，看到别人建的稠密点云地图效果还可以，就想着看看效果，参考了网上很多大佬的博客，也踩了不少坑，为避免遗忘，索性记录下来。
orbslam2稠密版建图
darren_pty
10-19 8051
slam
【ORB-SLAM2代码】（二）建图
陋室逢雨
09-04 6858
mDescriptor属性 ComputeDistinctiveDescriptors() 由于一个MapPoint会被许多相机观测到，因此在插入关键帧后，需要判断是否更新当前点的最适合的描述子. 先获得当前点的所有描述子，然后计算描述子之间的两两距离，最好的描述子与其他描述子应该具有最小的距离中值 Visible属性表示： * 1. 该MapPoint在某些帧的视野范围内，通过Fram...
视觉SLAM实战（一）：RGB-D SLAM V2
weixin_30252155的博客
04-28 791
写在前面 首先打个广告。SLAM研究者交流QQ群：254787961。欢迎各路大神和小白前来交流。 看了前面三篇博文之后，是不是有同学要问：博主你扯了那么多有用没用的东西，能不能再给力一点，拿出一个我们能实际上手玩玩的东西啊？没错，接下来我们就带着大家，实际地跑一下视觉SLAM里的那些经典程序，给大家一个直观的印象——因此博文就叫"视觉SLAM实战"啦。这些程序包括： R...
ORB_SLAM2稠密点云构建.rar
06-17
readme链接：https://blog.youkuaiyun.com/qq_34289112/article/details/92561229
SLAM10-稠密地图重建
Summer_star_summer的博客
07-21 2267
1、要重建稠密地图，就要知道每个像素点的深度，但是之前单目相机要获得深度需要使用三角化，而三角化的前提是要知道像素点在不同图片之间的匹配关系。但是有的不是特征点的像素点，不知道这个点到下一帧中跑哪去了。当然光流法或者直接法就没有这个问题。极线搜索和块匹配的目的就是找到特定的点在下一帧中的位置。这个目的就是追踪像素点，和光流法和直接法的目的是一样的。 2、极线搜索 l2是极线，对于任意的像素点p1,直线O1p1在O2的投影就是极线，如果知道点在极线的哪个地方，就可以用几何关系确定深度。 块匹配：不单独匹配点
ORBSLAM2实验记录(1)——稠密建图
weixin_52379562的博客
07-22 8230
近期又重新拾起ORBSLAM2的学习，换装了Ubuntu16.04，配置环境的bug比18.04少了不少，可以说是一路顺利，关于环境配置的问题，网络上可以说是众说纷纭，如果你打算使用Ubuntu16.04，可以参照我的配置经验，从18.04配置了两次的经验，转到16.04可以说是老手了，之后会记录一篇配置教程，供各位参考。...............
基于ORB-SLAM2的实时网格地图构建
04-30
针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点，提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先，建立了一个适用于视觉SLAM的逆传感器模型...
ORB_SLAM2新增稠密建图代码笔记
luoyihao123456的博客
05-25 3791
ORB_SLAM2新增稠密建图代码笔记
astra 深度相机 + orbslam2 ～ 稠密建图
cangqiongxiaoye的博客
06-05 3472
orbslam2 稠密建图
用D435i跑高翔ORB_SLAM2稠密建图
m0_60355964的博客
05-18 2655
目录前言1.软件准备2.硬件准备一、前提准备1.安装ROS melodic2.安装 InterRealSenseD435i SDK23.编译高翔ORB_SLAM2稠密建图二、D435i相机跑高翔ORB_SLAM2稠密建图1.修改一个文件2.重新编译 ./build_ros.sh3.查看相机内参4.创建配置文件5.运行 前言 本文写于2022年5月18日。 1.软件准备 Ubuntu18.04 + ROS melodic 2.硬件准备 InterRealSenseD435i 相机 一、前提准备 1.安装R
ORB-SLAM2添加稠密建图线程
zhou2677273778的博客
08-10 3132
ORB-SLAM2稠密点云建图
ORB_SLAM2+realsense运行稠密建图
echo_gou的博客
03-09 1441
即：然后 chmod +x build.sh 和 chmod +x build_ros.sh 赋予执行权限然后编译： ./build.sh然后： build_ros.sh如果报错：在对应(xxx/Examples/ROS/ORB_SLAM2)CMakeLists中加入以下：
经典文献阅读之--NeRF-SLAM（单目稠密重建）
热门推荐
lovely_yoshino的博客
01-17 1万+
NeRF 是 2020 年 ECCV 上获得最佳论文荣誉提名的工作，其影响力是十分巨大的，不论是后续的学术论文还是商业落地，都引起了大量从业人员的关注。NeRF 将隐式表达推上了一个新的高度，仅用 2D 的 posed images 作为监督，即可表示复杂的三维场景，在新视角合成这一任务上的表现是非常 impressive 的。当然 NeRF 在其他领域也逐渐开始展露头角，作为新兴的方向，势必也会和传统方法发生碰撞融合，产生新的火花。在B站中有比较详细的课程。
ORB-SLAM稠密建图
最新发布
04-01
<think>嗯，用户想了解如何使用ORB-SLAM进行稠密建图，还提到了教程或实现。首先，我需要回忆一下ORB-SLAM的基本原理和它的建图方式。ORB-SLAM主要是基于特征点的SLAM系统，所以默认情况下生成的是稀疏地图，也就是特征点的位置。而用户需要的是稠密建图，这就涉及到如何从稀疏到稠密的转换。 首先，我应该考虑ORB-SLAM本身是否支持稠密建图。根据之前的知识，ORB-SLAM的官方版本（比如ORB-SLAM2）主要是稀疏的，所以可能需要额外的模块或者与其他方法的结合。比如，可能有研究者在ORB-SLAM的基础上集成稠密建图算法，比如使用TSDF（截断符号距离函数）或者Surfel-based的方法。 接下来，用户需要教程或者实现，可能需要寻找相关的开源项目或者论文。例如，Multi-Level Mapping这篇论文提到了实时单目稠密SLAM，或许可以作为参考。另外，博客或GitHub上的资源可能会有实现。比如，用户提供的引用中有博主的GitHub和优快云链接，可能需要查看是否有相关的代码或教程。 然后，我应该考虑实现的步骤。通常，稠密建图需要深度信息，而ORB-SLAM单目版本没有直接的深度，可能需要通过多视角几何或者其他深度估计方法。比如，使用深度相机（RGB-D）或者通过立体匹配来获取深度，或者结合深度学习模型预测深度图。不过ORB-SLAM也有RGB-D的版本，可能更适合稠密建图。 另外，可能需要后处理步骤，比如使用泊松重建或者其他表面重建算法将稀疏点云转为稠密网格。或者，使用稠密SLAM系统如ElasticFusion，但用户特别提到ORB-SLAM，所以可能需要扩展ORB-SLAM的输出。 可能的实现方法包括：在ORB-SLAM的跟踪和建图线程之外，添加一个稠密建图线程，利用关键帧的姿态和图像数据生成稠密点云。例如，使用每个关键帧的深度图（如果是RGB-D）融合到全局模型中，或者对于单目，使用多视图立体视觉（MVS）来生成稠密点云。 需要提醒用户，ORB-SLAM本身可能不支持实时稠密建图，尤其是单目情况下，计算量较大。可能需要参考一些开源项目，比如GitHub上的ORB-SLAM2 with dense mapping的fork，或者结合COLMAP进行离线稠密重建。 另外，用户提到的DeepVO是视觉里程计的端到端方法，可能和稠密建图不太直接相关，但可以作为补充信息。 总结回答的结构应该是：先指出ORB-SLAM默认是稀疏的，然后说明实现稠密建图的方法，比如结合深度相机、后处理、或与其他算法集成，接着提供可能的实现步骤和参考资料，比如Multi-Level Mapping论文和相关GitHub项目，最后给出相关的问题。</think>### 如何使用ORB-SLAM进行稠密建图 ORB-SLAM系列（如ORB-SLAM2）是经典的基于特征点的SLAM系统，其默认输出为稀疏地图（特征点云）。若需实现稠密建图，需结合额外算法或扩展模块。以下是关键实现思路与资源： --- #### 1. **ORB-SLAM的稀疏性与稠密扩展** - **稀疏地图限制**：ORB-SLAM通过ORB特征点跟踪和BA优化生成稀疏点云，无法直接用于导航或三维重建[^1]。 - **稠密建图核心思路**： - **深度传感器融合**：使用RGB-D相机的深度数据，直接生成稠密点云（ORB-SLAM2支持RGB-D模式）。 - **单目深度估计**：通过深度学习模型（如Monodepth2）从单目图像预测深度图，再与ORB-SLAM位姿结合[^2]。 - **多视图立体几何（MVS）**：利用关键帧图像和相机位姿，通过MVS算法（如COLMAP）离线生成稠密点云。 --- #### 2. **实现步骤示例（RGB-D模式）** 1. **运行ORB-SLAM2 RGB-D版本**： ```bash ./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /path/to/dataset/ /path/to/associations.txt ``` 2. **提取关键帧与位姿**：系统输出的关键帧位姿（`KeyFrameTrajectory.txt`）用于对齐深度图。 3. **稠密点云融合**：使用TSDF（截断符号距离函数）或Surfel-based方法（如Open3D库）融合多帧深度图： ```python import open3d as o3d volume = o3d.integration.ScalableTSDFVolume(voxel_length=0.01, sdf_trunc=0.05) for pose, rgb, depth in keyframes: volume.integrate(rgb, depth, intrinsic, pose) mesh = volume.extract_triangle_mesh() ``` --- #### 3. **开源资源与教程** - **ORB-SLAM2扩展项目**： - [ORB-SLAM2 with Dense Mapping](https://github.com/tiagojc/orbslam2-dense-map)：通过点云插值生成稠密地图的改进版本。 - [ORB-SLAM3](https://github.com/UZ-SLAMLab/ORB_SLAM3)：支持多传感器，可结合IMU提升稠密建图稳定性。 - **论文参考**： - *Multi-Level Mapping: Real-time Dense Monocular SLAM* 提出分层稠密建图方法，可与ORB-SLAM特征点结合。 - *ElasticFusion* 的稠密融合策略可借鉴（需调整实时性）[^2]。 --- #### 4. **挑战与优化** - **实时性**：稠密建图计算量大，需GPU加速或简化模型（如八叉树地图）。 - **尺度一致性**：单目模式下需通过回环检测或物体先验尺寸约束尺度漂移。 - **动态环境处理**：结合语义分割（如Mask R-CNN）剔除动态物体干扰。 ---
评论 222
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

几度春风里

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值